-
先说下背景，我是想根据目前比较受欢迎的故事，让大模型根据这些比较受欢迎的故事作为来源，生成类似的故事。
-
目前除了prompt，搜索发现还有chatgtp的gpts，fine-tuning，还有rag，比如fastgpt,dify都需要上传自己的数据集。现在请教大佬们的问题是，根据我的目的，这些用哪个比较好？都是需要上传自己的数据集，这些都有啥区别呀？目前自己只是大概了解，还没有实操过。
-
提前感谢大佬们解答
1 个赞
gpts
相当于你给ChatGPT定义一个角色（system prompt），然后你和ChatGPT聊天时，ChatGPT都会遵循你给它定义的角色要求来回答你。
fine-tuning
这个就是用你的数据去训练模型，你教模型面对某某问题该如何回复。fine-tuning时的数据格式需要根据你的实际需求来设计。比如你想让模型能够按照你的需求生成你想要的故事，你可以把生成的故事需求作为模型的输入，受欢迎的故事作为模型的输出，相当于你教模型如何写故事。训练之后模型有可能会学会举一反三的能力，知道什么样的描述应该对应什么样的故事。
rag
检索增强生成（Retrieval-augmented Generation），这种方式运行逻辑是：
1.先判断你的提问是否需要使用RAG
2.如果触发RAG功能，后台会根据你的提问，在你提供的数据中检索与你的提问相关的内容，然后把这些相关内容和你的提问拼接到一起，一块作为输入传给模型。
在使用gpts和rag功能时，如果你想让模型根据你的故事作为参考生成类似的故事，都要把类似的故事和你的需求一块输入给模型，这样模型才能根据你提供的故事学习这种故事风格，然后生成符合要求的故事。
gpts有一个好处就是你给模型定义好的角色身份和要求，这就不用在每次提问时反复强调你是xxx，你应该怎样怎样做来生成故事。而rag的好处时，你在生成故事时，他会自动根据你的需求去检索相关的故事片段（这个检索的准确度建议不要抱太大希望），然后模型生成的时候会自动把这些内容和你的需求一并发给模型（这都是理想情况，实际上检索出的内容和你想要的可能并不一样），不用你每次都手动输入相关的故事。
使用fine-tuning，就相当于你在教模型，让模型学习在看到什么样的输入，应该输出什么样的回复。
至于具体使用哪种方式比较好，那看你具体实际的需求了。
5 个赞
感谢大佬回复，这么一说我就明白了。再次感谢